छवि निर्माण बेंचमार्क

Meta की Muse Image, Gemini Nano Banana 2 और ChatGPT Images 2.5 की तुलना में कितनी अच्छी है?

सात मूल टेक्स्ट-टू-इमेज मूल्यांकन, जिसके बाद निश्चित स्रोत छवियों और प्रॉम्प्ट का उपयोग करके सात इमेज-एडिटिंग मूल्यांकन।

म्यूज इमेज 1.0Gemini नैनो बनाना 2ChatGPT Images 2.5

टेस्ट केस

छह लाल ट्रॉम्बोन

प्रॉम्प्ट (अंग्रेजी से अनूदित)

प्राथमिक अनुरोध: एक नीले लामा के ऊपर से कूदते हुए चार कांच के कछुओं के दाईं ओर छह लाल ट्रॉम्बोन। शैली/माध्यम: स्वच्छ, अत्यधिक स्पष्ट स्टूडियो चित्रण संरचना/फ्रेमिंग: एक सुसंगत वर्ग दृश्य; प्रत्येक वस्तु को पूरी तरह से दिखाएं; दाईं ओर और ऊपर-से-कूदने के संबंधों को स्पष्ट बनाएं शर्तें: ठीक छह लाल ट्रॉम्बोन, ठीक चार पारदर्शी कांच के कछुए, ठीक एक नीला लामा; कोई अतिरिक्त वस्तु नहीं; कोई पाठ, संख्याएं, लेबल, बॉर्डर, पैनल या वॉटरमार्क नहीं।

छह लाल ट्रॉम्बोन, कांच के कछुए और एक नीला लामा — म्यूज इमेज 1.0

फैसला

Gemini > ChatGPT > Muse

Gemini ही एकमात्र ऐसा मॉडल है जो ठीक छह ट्रॉम्बोन बनाता है। ChatGPT छह ट्रॉम्बोन बनाता है लेकिन गलत तरीके से पांच कछुए दिखाता है, जबकि Muse आठ ट्रॉम्बोन और पांच कछुए बनाता है।

Gemini अनुरोधित मात्राओं का सबसे सटीक पालन प्रदर्शित करता है।

टेस्ट केस

भूमिका का उलटना और असामान्य गुण

प्रॉम्प्ट (अंग्रेजी से अनूदित)

एक एकल व्यापक सिनेमाई फार्म दृश्य बनाएं जो कोलाज बने बिना परिचित भूमिकाओं को उलट देता है। केंद्र में, एक पूर्ण सफेद स्पेससूट में एक अंतरिक्ष यात्री हाथ और घुटनों के बल रेंग रहा है, जबकि ठीक एक चेस्टनट घोड़ा अंतरिक्ष यात्री के लाइफ-सपोर्ट बैकपैक पर बैठा है, जो स्पष्ट रूप से अंतरिक्ष यात्री की सवारी कर रहा है; अंतरिक्ष यात्री को घोड़े की सवारी करते हुए न दिखाएं। बाईं ओर, एक छोटा नीला पक्षी आक्रामक रूप से एक भूसे के पुतले को डराता है, जो उठे हुए हाथों के साथ पीछे की ओर झुकता है। दाईं ओर, एक चमकीला गुलाबी जिराफ एक नीची बाड़ के पीछे से देखता है। प्रत्येक विषय को पूरी तरह से दृश्यमान, शारीरिक संरचना की दृष्टि से स्पष्ट और स्थानिक रूप से अलग रखें; कोई टेक्स्ट या वॉटरमार्क न हो।

भूमिका-उलट खेत के दृश्य में एक अंतरिक्ष यात्री की सवारी करता हुआ घोड़ा — म्यूज इमेज 1.0

फैसला

ChatGPT ≥ Gemini > Muse

ChatGPT ही एकमात्र ऐसा मॉडल है जो नीले पक्षी को सक्रिय रूप से बिजूका (स्ट्रॉमैन) को डराते हुए दिखाता है। अन्य छवियों में, बिजूका के गिरने की दिशा पक्षी के आने की दिशा से असंगत है।

अपने खराब स्थानिक पृथक्करण के कारण Muse, Gemini से पीछे रहता है। Gemini ही एकमात्र ऐसी छवि है जो विश्वसनीय गहराई को दर्शाती है।

टेस्ट केस

दर्पण की ज्यामिति, हाथ और आभूषण

प्रॉम्प्ट (अंग्रेजी से अनूदित)

मिरर ज्यामिति और हाथों का परीक्षण करने के लिए डिज़ाइन किया गया एक फोटोरिअलिस्टिक वर्गाकार वैनिटी दृश्य बनाएं। एक महिला एक बड़े लंबवत दर्पण की ओर मुंह करके खड़ी है और अपना वास्तविक बायां हाथ उठा रही है, जिसकी हथेली कांच की ओर है; उसका प्रतिबिंब दर्पण के दाहिने हिस्से पर दिखाई देना चाहिए और वही हथेली दिखनी चाहिए। उसके वास्तविक बाएं हाथ में ठीक तीन अंगूठियां हैं—तर्जनी पर लाल पत्थर, मध्यमा पर सादा सोना, अनामिका पर नीला पत्थर—जबकि उसकी केवल वास्तविक दाहिनी कलाई पर एक चांदी का कंगन है। दर्पण के बाईं ओर एक हरा कप और दाईं ओर एक लाल कप रखें; उनके परावर्तित स्थान उल्टे होने चाहिए। वास्तविक हाथों पर कुल दस प्राकृतिक उंगलियां, सुसंगत परावर्तित हाथ, कोई अतिरिक्त आभूषण, पाठ या वॉटरमार्क न दिखाएं।

हाथों, प्रतिबिंबों और अंगूठियों का परीक्षण करने वाला एक वैनिटी मिरर दृश्य — म्यूज इमेज 1.0

फैसला

Muse > Gemini > ChatGPT

Muse दोनों हाथों के लिए निर्देशों का सटीक पालन करता है।

Gemini बायाँ हाथ नहीं उठाता है, और वह सारे गहने दाहिने हाथ पर रख देता है।

ChatGPT में दाईं ओर एक अतिरिक्त हाथ है, जो अस्वाभाविक और डरावना है

टेस्ट केस

टाइपोग्राफी, विशेष उच्चारण चिह्न (diacritics) और एक घुमावदार बेसलाइन

प्रॉम्प्ट (अंग्रेजी से अनूदित)

एक निरंतर लाल ईंट की दीवार पर एक फोटोरिअलिस्टिक स्ट्रीट-आर्ट फ़ोटोग्राफ़ बनाएं। ऊपरी केंद्र में, बड़े सफेद ब्लॉक अक्षरों में ठीक यही अपरकेस (बड़े अक्षरों वाला) वाक्य “BE EXCELLENT TO EACH OTHER” पेंट करें, जिसकी वर्तनी एक बार पूरी तरह से सही हो। इसके नीचे, एक स्पष्ट रूप से घुमावदार फ़िरोज़ा बेसलाइन पर, दोनों एक्सेंट, एम डैश, लोअरकेस अक्षरों और विस्मयादिबोधक चिन्ह को बरकरार रखते हुए ठीक “Crème brûlée — déjà vu!” लिखें। दाहिनी ओर, काली टक्सैडो और लाल बो टाई पहने एक हरे रंग के एलियन का भित्तिचित्र शामिल करें। अग्रभूमि में, बाईं ओर के फुटपाथ पर एक पीला फायर हाइड्रेंट और सुदूर दाईं ओर एक छोटा पोस्टर रखें जिस पर ठीक “eXit 7½” लिखा हो। कोई अन्य पठनीय पाठ, डुप्लिकेट अक्षर, वॉटरमार्क या कोलाज पैनल न हों।

सटीक बहुभाषी टाइपोग्राफी के साथ एक ईंट की दीवार का भित्तिचित्र — म्यूज इमेज 1.0

फैसला

ChatGPT > Muse > Gemini

ChatGPT आवश्यकताओं का सटीकता से पालन करता है।

Muse गलत उच्चारण चिह्न (accent) का उपयोग करता है, "brûlée" को "û" के साथ लिखता है।

Gemini बाईं ओर एक सड़क और दाईं ओर एक दीवार का कोना बनाता है, जो मांगी गई एकल निरंतर दीवार का खंडन करता है।

टेस्ट केस

रसोई की क्रियाएं और गहरी पृष्ठभूमि

प्रॉम्प्ट (अंग्रेजी से अनूदित)

एक पेशेवर स्टेनलेस-स्टील रसोई के अंदर एक डीप-फोकस सिनेमाई तस्वीर बनाएं। केंद्र के अग्रभूमि में, एक शेफ दाहिने हाथ में काले चिमटे से एक पैन के ऊपर ठीक दो स्टेक पकड़े हुए है, जबकि बायां हाथ उसके हैंडल को पकड़े हुए है। बाईं ओर, एक सू-शेफ कांच के कटोरे में लाल टमाटर, हरी पत्तियां और पीली मिर्च उछाल रहा है। पृष्ठभूमि में, ठीक तीन कर्मचारी अलग-अलग काम कर रहे हैं: काटना, भोजन की प्लेटिंग करना और ओवन खोलना। उनके ऊपर तांबे के चार पैन लटकाएं, जो बाएं से दाएं आकार में घटते क्रम में हों। सर्विस पास के ऊपर लगे ऑर्डर टिकट पर ठीक “TABLE 7” लिखा हो। सही हाथ दिखाएं और कोई अतिरिक्त कर्मचारी या टेक्स्ट न हो।

अग्रभूमि और पृष्ठभूमि की समकालिक क्रियाओं के साथ एक पेशेवर रसोईघर — म्यूज इमेज 1.0

फैसला

Gemini > Muse > ChatGPT

Gemini स्थान की गहराई का सबसे मजबूत अहसास कराता है और ऑर्डर टिकट को एक उचित स्थान पर रखता है।

Muse एक अवास्तविक त्रि-आयामी स्थान बनाता है, और ओवन खोलता हुआ कार्यकर्ता अग्रभूमि में मौजूद शेफ के साथ जुड़ा हुआ प्रतीत होता है।

ChatGPT में सबसे अधिक असंभव 3D स्पेस है। पैन शेफ जितनी ही दूरी पर दिखाई देते हैं, लेकिन वे सामान्य से बहुत छोटे हैं। छवि का बायां और दायां हिस्सा अलग-अलग गहराई दिखाता है (3 कर्मचारी बाईं ओर के सुझाव की तुलना में बहुत पीछे हैं)।

टेस्ट केस

पारदर्शिता, अवरोधन और रोशनी

प्रॉम्प्ट (अंग्रेजी से अनूदित)

मैट ग्रे फ़्लोर पर एक भौतिक रूप से विश्वसनीय स्टूडियो स्टिल लाइफ बनाएं। एक पारदर्शी कांच के क्यूब को चमकदार लाल गोले के पीछे लेकिन पीले शंकु के आगे रखें। गोला आंशिक रूप से क्यूब को छिपाता है, और क्यूब आंशिक रूप से शंकु को छिपाता है, जबकि सभी आकृतियां पहचानने योग्य रहती हैं। क्यूब के अंदर लंबवत रूप से ठीक दो नीले कंचे निलंबित करें। सुदूर बाईं ओर, आगे-से-पीछे की रेखा में तीन छोटे चांदी के पिरामिड व्यवस्थित करें। सुदूर दाईं ओर, बिना मिलाए एक श्रृंखला की तरह चार हरे छल्लों को ओवरलैप करें। सब कुछ ऊपरी बाईं ओर से प्रकाशित करें ताकि हर छाया नीचे और दाईं ओर गिरे। कोई टेक्स्ट या अतिरिक्त आकार न हों।

पारदर्शिता, गहराई और छाया का परीक्षण करने वाला एक स्टूडियो स्टिल लाइफ — म्यूज इमेज 1.0

फैसला

Muse = ChatGPT > Gemini

Muse अच्छा काम करता है लेकिन लाल गोला दोनों तरफ प्रतिबिंब दिखाता है, जो गलत तरीके से दाईं ओर एक दूसरे प्रकाश स्रोत का सुझाव देता है।

ChatGPT में भी इसी तरह की समस्या है, हालांकि दूसरे प्रकाश स्रोत की समस्या कम गंभीर है। दूसरी ओर, इसका घन (क्यूब) अधिक विकृत है।

Gemini में केवल तीन छल्ले शामिल हैं, और कांच के घन के भीतर की कंचों में अवास्तविक प्रतिबिंब हैं।

टेस्ट केस

बहुभाषी नाइट-मार्केट में तत्वों का सही जुड़ाव

प्रॉम्प्ट (अंग्रेजी से अनूदित)

बाएं से दाएं तीन स्टॉल वाला एक निरंतर यथार्थवादी नाइट-मार्केट दृश्य बनाएं। नीले रंग के किताब के स्टॉल के सफेद साइन बोर्ड पर “LIBROS” लिखा है; लाल रंग के चाय के स्टॉल के क्रीम रंग के साइन बोर्ड पर “茶” लिखा है; हरे रंग के ब्रेड के स्टॉल के काले साइन बोर्ड पर “خبز” लिखा है। केवल बीच वाले स्टॉल के ऊपर ठीक पांच लाल लालटेन लटकाएं। उसका बाएं हाथ से काम करने वाला विक्रेता बाएं हाथ में पकड़ी हुई चांदी की केतली से क्रमशः नीले, सफेद, फिर पीले रंग के क्रम में रखे कपों में चाय डालता है। सामने, बाईं ओर एक धब्बेदार कुत्ते और दाईं ओर एक धारीदार बिल्ली के बीच में बैंगनी रंग का कोट पहने एक बच्चे को रखें। सभी लिपियों, संख्याओं, रंगों और आपसी जुड़ाव को वैसा ही रखें; कोई अन्य पढ़ने योग्य पाठ नहीं होना चाहिए।

सटीक साइनबोर्ड, गिनती और प्रमुख हाथ वाला एक बहुभाषी बाजार — म्यूज इमेज 1.0

फैसला

ChatGPT = Muse = Gemini

सभी मॉडल रात के बाजार के व्यस्त, यथार्थवादी माहौल को कैद करते हैं।

Gemini लालटेन को बीच वाले स्टॉल के ऊपर सही ढंग से रखता है, जबकि Muse और ChatGPT उन्हें स्टॉल के अंदर रखते हैं।

However, Gemini also introduces readable words on the right, contrary to the instruction.

छवि संपादन

स्रोत छवि + प्रॉम्प्ट

किसी जटिल दृश्य से ऑब्जेक्ट हटाना

प्रॉम्प्ट (अंग्रेजी से अनूदित)

छवि A को मुख्य तस्वीर के रूप में उपयोग करते हुए संपादित करें। केवल केंद्र के अग्रभाग में हावी बड़ी काली साइकिल को हटाएं: चांदी के हैंडलबार, काले सैडल, काले चेन गार्ड और चमकीले चांदी के अगले फेंडर वाली साइकिल। इसके पीछे छिपे हुए हिस्सों—इसके पीछे की हरी साइकिल, रंगी हुई ईंट की दीवार, गारे की रेखाएं, ग्रैफिटी के स्ट्रोक, कर्ब और फुटपाथ के पत्थरों—का पुनर्निर्माण करें ताकि वे निरंतर और भौतिक रूप से स्वाभाविक दिखें। हर दूसरी साइकिल, हर बची हुई ग्रैफिटी का निशान, क्रॉप, कैमरे की स्थिति, धूप, परछाइयां, बनावट और फोटोग्राफिक ग्रेन को अपरिवर्तित रखें। कोई वस्तु, पाठ, धुंधलापन, दोहराए गए पहिए की तीलियां या दिखाई देने वाला रिटचिंग पैच न जोड़ें। छवि A के समान लैंडस्केप फ्रेमिंग और एस्पेक्ट रेशियो वापस दें।

संपादित साइकिल की तस्वीर — म्यूज इमेज 1.0

फैसला

Muse > ChatGPT > Gemini

Muse सही निष्कर्ष निकालता है कि बची हुई बीच वाली साइकिल का अगला पहिया चांदी के रंग का होना चाहिए, जो इसे ChatGPT से थोड़ा आगे रखता है।

ChatGPT भी भित्तिचित्र (ग्राफिटी) के निचले हिस्से में एक अस्वाभाविक गैप छोड़ देता है।

Gemini साइकिल को हटाने में पूरी तरह से विफल रहता है।

सामग्री के अनुरूप चयनात्मक पुनः रंगाई

प्रॉम्प्ट (अंग्रेजी से अनूदित)

छवि A को मुख्य तस्वीर के रूप में उपयोग करते हुए संपादित करें। केवल कार के दिखाई देने वाले लाल रंग के बाहरी धातु के पैनलों—जिसमें दरवाजा, अगला फेंडर, बोनट का किनारा, पिछला क्वार्टर पैनल और छत की रेखा के ऊपर का छोटा लाल उठा हुआ बॉडी पैनल शामिल है—को गहरे ब्रिटिश रेसिंग ग्रीन मेटैलिक पेंट में बदलें। नए पेंट में मूल पैनल के जोड़, हाइलाइट्स और पेड़ों के प्रतिबिंब बने रहने चाहिए। भूरे रंग की विनाइल छत, क्रोम ट्रिम, दर्पण, कांच, काले रबर, दरवाजे के हैंडल, लॉक, एंटीना, बैज, इंटीरियर, ड्राइवर, गुलदस्ते या पृष्ठभूमि का रंग या डिज़ाइन न बदलें। कार के मॉडल या ज्यामिति को न बदलें। मूल क्रॉप, डेप्थ ऑफ फील्ड, लाइटिंग और एस्पेक्ट रेशियो को सुरक्षित रखें; कोई टेक्स्ट, लोगो या वस्तु न जोड़ें।

ब्रिटिश रेसिंग ग्रीन रंग में पुनः रंगी गई विंटेज कार — म्यूज इमेज 1.0

फैसला

Muse = Gemini > ChatGPT

Muse रैंचेरो बैज पर अवांछित शार्पनिंग लागू करता है, लेकिन घास का इसका प्रतिबिंब मूल छवि के प्रति अधिक वफादार है।

Gemini घास की छाया को शार्प करता है लेकिन बैज को अपरिवर्तित छोड़ देता है।

ChatGPT ने रैंचेरो बैज को तीखा (शार्प) किया और छाया पर आक्रामक शार्पनिंग लागू की, इसलिए यह अंतिम स्थान पर आता है।

संरचनात्मक या टेक्स्ट परिवर्तन के बिना ग्लोबल रीलाइटिंग

प्रॉम्प्ट (अंग्रेजी से अनूदित)

छवि A को मुख्य तस्वीर के रूप में उपयोग करते हुए संपादित करें। दृश्य को बादलों वाले दिन से बारिश के ठीक बाद के यथार्थवादी ब्लू आवर (शाम के समय) में बदलें। आकाश को एक स्पष्ट गहरा कोबाल्ट-ब्लू गोधूलि बनाएं; अंदर की और कैनोपी के नीचे की गर्म रोशनी चालू करें; उन गर्म रोशनी और मौजूदा बैंगनी स्टेशन बैंड को पहले से गीले फुटपाथ पर सूक्ष्म रूप से प्रतिबिंबित होने दें। कैमरे की स्थिति, वाइड-एंगल परिप्रेक्ष्य, भवन की ज्यामिति, कैनोपी, खंभे, प्रवेश द्वार, फुटपाथ का लेआउट, बैंगनी बैंड और पढ़ने योग्य सफेद शब्द "Woolwich" को बिल्कुल वैसा ही बनाए रखें। प्रत्येक मौजूदा व्यक्ति, बोलार्ड, पोस्टर और साइन को उसके मूल स्थान पर रखें और कुछ भी जोड़ें या हटाएं नहीं। पाठ को दोबारा न लिखें, अनुवाद न करें या मनगढ़ंत न बनाएं। यथार्थवादी डायनेमिक रेंज रखें—कोई नियॉन फंतासी लुक नहीं—और वही लैंडस्केप फ्रेमिंग और एस्पेक्ट रेशियो वापस दें।

ब्लू आवर (शाम के समय) में बदला हुआ वूलविच स्टेशन — म्यूज इमेज 1.0

फैसला

Gemini > Muse > ChatGPT

तीनों मॉडल गीले फर्श का निर्माण करते समय असामान्य कैमरा कोण, परिप्रेक्ष्य और पाठ को संरक्षित करने का अच्छा काम करते हैं।

Gemini ही एकमात्र ऐसा मॉडल है जो सही रोशनी का उपयोग करता है, क्योंकि Muse और ChatGPT दोनों ही ऐसे लैंप बनाते हैं जो मूल छवि में मौजूद नहीं थे।

ChatGPT के लैंप अनुचित स्थान पर हैं, और यह बाईं ओर के पेड़ में एक अतिरिक्त लैंप बनाता है, इसलिए यह अंतिम स्थान पर आता है।

सुसज्जित कमरे में सटीक उत्पाद ट्रांसप्लांट

प्रॉम्प्ट (अंग्रेजी से अनूदित)

छवि A का उपयोग मुख्य कमरे के रूप में और छवि B का उपयोग केवल फर्नीचर संदर्भ के रूप में करें। छवि A में, पीछे के केंद्र में, दो चमकदार पीछे की खिड़कियों के बीच और नीले सोफे के आंशिक रूप से पीछे स्थित केवल हल्के हरे रंग की गद्देदार आर्मचेयर को छवि B की सटीक नीली और सुनहरी आर्मचेयर से बदलें। छवि B के विशिष्ट वर्गाकार नीले बैक और सीट, सुनहरे नक्काशीदार लकड़ी के फ्रेम, खुली बाहें, झालरदार फ्रिंज और पतले पैरों को बनाए रखें। इसे मूल कुर्सी की फर्श स्थिति और देखने के कोण में विश्वसनीय कमरे के पैमाने पर फिट करें; खिड़की की गर्म रोशनी, फर्श संपर्क परछाई, परिप्रेक्ष्य और किनारों पर किसी भी प्राकृतिक ओट का मिलान करें। नीले सोफे, कॉफी टेबल, गलीचे, खिड़की में बनी बैठने की जगह, लैंप, खिड़कियों, झूमर, लकड़ी की दीवारों या छवि A के किसी भी अन्य हिस्से को न बदलें। छवि B की धूसर संग्रहालय पृष्ठभूमि को न रखें। छवि A का मूल लैंडस्केप फ्रेमिंग और एस्पेक्ट रेशियो लौटाएं; कोई अतिरिक्त फर्नीचर, टेक्स्ट या कोलाज बॉर्डर नहीं।

संदर्भ कुर्सी को एक कॉटेज के कमरे में ट्रांसप्लांट किया गया — म्यूज इमेज 1.0

फैसला

Muse > Gemini = ChatGPT

Muse ही एकमात्र ऐसा मॉडल है जो संशोधित कुर्सी को उसके मूल अभिविन्यास में रखता है, जबकि अन्य दो इसे दाईं ओर बहुत अधिक घुमा देते हैं।

तीन संदर्भों के साथ पहचान, संरचना और बनावट का जुड़ाव

प्रॉम्प्ट (अंग्रेजी से अनूदित)

सख्त भूमिका-निर्धारण (role binding) के साथ तीनों संदर्भों का उपयोग करके एक वर्गाकार, फोटो-यथार्थवादी संपादकीय स्टूडियो पोर्ट्रेट बनाएं। छवि A से उसी ग्रे धारीदार बिल्ली को छवि B की सटीक विंग कुर्सी पर सीधा बैठाएं और थोड़ा बाईं ओर देखते हुए रखें। बिल्ली का चेहरा, हरी-पीली आँखें, माथे की काली धारियां, ग्रे चित्तीदार फर, कान का आकार और लंबी छल्लेदार पूंछ को यथावत रखें। छवि B की ऊंची पंखदार पीठ, मुड़े हुए हत्थे, चौड़ी सीट, घुमावदार आगे के पैर और निचले काले क्रॉसबार को सुरक्षित रखें, लेकिन केवल इसके असबाब वाले कपड़े को छवि C के सटीक स्ट्रॉबेरी थीफ टेक्सटाइल से बदलें: नेवी बैकग्राउंड, एक-दूसरे को देखती हुई चिड़िया (थ्रश), लाल स्ट्रॉबेरी, नीले पत्ते और गुलाबी फूल, इस पैमाने पर कि कुर्सी पर कम से कम दो पूरी चिड़ियां दिखाई दें। ऊपरी बाईं ओर से आती हुई नरम रोशनी और सुसंगत संपर्क छाया के साथ एक निर्बाध गर्म-धूसर (वार्म-ग्रे) स्टूडियो पृष्ठभूमि का उपयोग करें। छवि A से पत्ते या जमीन, छवि B से अभिलेखागार पृष्ठभूमि, या छवि C से एक आयताकार स्वाच को कॉपी न करें। कोई कॉलर, पोशाक, अतिरिक्त जानवर, अतिरिक्त फर्नीचर, पाठ (टेक्स्ट), बॉर्डर या कोलाज पैनल नहीं होना चाहिए।

पैटर्न वाली ऐतिहासिक विंग कुर्सी पर ग्रे धारीदार बिल्ली — म्यूज इमेज 1.0

फैसला

ChatGPT > Muse > Gemini

ChatGPT प्रॉम्प्ट का अब तक का सबसे सटीक उत्तर उत्पन्न करता है।

ChatGPT परिणाम में कुर्सी मूल कुर्सी के धूल भरे, घिसे-पिटे रूप को बनाए रखती है।

Muse कुर्सी के अभिविन्यास और विवरणों को पूरी तरह से सुरक्षित रखता है, लेकिन इसका रंग बहुत चमकीला है।

Gemini में वही अत्यधिक चमकीला रंग है, और यह कुर्सी को भी कैमरे की ओर गलत तरीके से मोड़ देता है, इसलिए यह अंतिम स्थान पर आता है।

मेरी बेटी को होक्काइडो के स्की पर्वत पर ले जाएं

प्रॉम्प्ट (अंग्रेजी से अनूदित)

छवि B का उपयोग मुख्य गंतव्य फ़ोटो के रूप में और छवि A का उपयोग केवल मेरी बेटी की पहचान संदर्भ के रूप में करें। छवि B में बर्फ से ढकी स्की ढलान पर छवि A की उसी युवा लड़की को रखते हुए एक विश्वसनीय पारिवारिक यात्रा फ़ोटो बनाएं, जिसमें होक्काइडो के माउंट योतेई, क्षितिज, स्की रन और नीले सर्दियों के आसमान को सटीक रूप से बनाए रखा गया हो। उसे बाईं ओर के अग्रभाग में पूरा शरीर दिखाएं, कैमरे की ओर स्वाभाविक रूप से मुस्कुराते हुए, उसकी उम्र के अनुकूल लाल स्की जैकेट, नेवी स्नो पतलून, काले दस्ताने, सफेद स्की बूट और एक क्रीम बुनी हुई टोपी पहने हुए जो उसका चेहरा पूरी तरह से दृश्यमान रखती है। उसके बूटों के नीचे समानांतर दो बच्चों के आकार की स्की और प्रत्येक हाथ में एक पोल रखें। पहाड़ की रोशनी, कैमरे की ऊंचाई, पैमाने, कुरकुरी ठंडी हवा, बर्फ संपर्क परछाइयों और परावर्तित नीली रोशनी का मिलान करें। उसकी उम्र, चेहरा, आंखों का रंग, बालों की रेखा और पहचाने जाने योग्य अभिव्यक्ति को बनाए रखें; उसे वयस्क या अत्यधिक सुंदर न बनाएं। पहाड़ की रूपरेखा न बदलें, इमारतें न जोड़ें, टेक्स्ट न बनाएं, लोगों की नकल न करें या कोलाज न बनाएं। छवि B का लैंडस्केप फ्रेमिंग और एस्पेक्ट रेशियो लौटाएं।

होक्काइडो में माउंट योतेई के सामने स्कीइंग करती छोटी लड़की — म्यूज इमेज 1.0

फैसला

ChatGPT > Gemini > Muse

तीनों मॉडल एक विश्वसनीय स्की तस्वीर बनाते हैं और लड़की की पहचान को पहचानने योग्य बनाए रखते हैं। हालाँकि, वे सभी बूट और स्की को सही ढंग से प्रस्तुत करने में संघर्ष करते हैं।

लड़की के चेहरे पर साफ़-सुथरे ढंग से बनाई गई स्की और प्राकृतिक छाया के लिए ChatGPT जीतता है। हालांकि स्की का पिछला हिस्सा स्पष्ट रूप से बहुत छोटा है।

Gemini को स्की के पिछले हिस्से को रेंडर करने में परेशानी होती है, इसके अलावा दायाँ पोल बाएँ वाले की तुलना में बहुत लंबा है

Muse को स्की को रेंडर करने में भी परेशानी होती है, इसके अलावा लड़की के चेहरे के आसपास की छाया अस्वाभाविक है

अपनी पुरानी प्रेमिका को नई प्रेमिका से बदलें

प्रॉम्प्ट (अंग्रेजी से अनूदित)

छवि A का उपयोग मुख्य फ़ोटो के रूप में करें। स्कूटर पर आदमी के पीछे बैठी वयस्क महिला को केवल छवि B की वयस्क महिला से बदलें। नई महिला के पहचाने जाने योग्य चेहरे, आंखें, नाक, मुंह, रंगत और लंबे काले बालों को बनाए रखें, लेकिन उसे स्वाभाविक रूप से मूल यात्री की बैठने की मुद्रा, आकार और दृष्टि के अनुकूल ढालें। उसे मूल यात्री का क्रीम कार्डिगन और बेज स्कर्ट पहनना चाहिए और उसी स्थिति में विश्वसनीय हाथों के साथ वही ट्विन-लेंस कैमरा पकड़ना चाहिए। छवि B की शंक्वाकार टोपी, लाल स्कार्फ, झंडा, सड़क या पृष्ठभूमि को न लाएं। आदमी को पूरी तरह से अपरिवर्तित रखें—जिसमें उसका चेहरा, बाल, नीली धारीदार कमीज़, हाथ और सवारी की मुद्रा शामिल है—और छवि A से स्कूटर, क्रोम रैक, पत्थरों वाली सड़क, ऐतिहासिक इमारत, द्वार, पौधे, साइन, परछाइयां, क्रॉप और डेप्थ ऑफ़ फ़ील्ड को बनाए रखें। मौजूदा दोपहर की धूप और संपर्क परछाइयों का मिलान करें ताकि यह एक असंपादित यात्रा फ़ोटो की तरह दिखे। किसी अन्य व्यक्ति या वस्तु को न बदलें, गहने या टेक्स्ट न जोड़ें, अंगों की नकल न करें, चेहरों को धुंधला न करें या कोलाज न बनाएं। छवि A का लैंडस्केप एस्पेक्ट रेशियो लौटाएं।

पर्यटक की तस्वीर में प्रेमिका की पहचान का प्रतिस्थापन — म्यूज इमेज 1.0

फैसला

Gemini > ChatGPT > Muse

Gemini और ChatGPT दोनों ही चेहरा बदलने का अच्छा काम करते हैं। दोनों तस्वीरों में त्वचा का रंग अस्वाभाविक है। Gemini की जीत होती है क्योंकि लड़की नीचे देख रही है और मूल पोज़ के अधिक अनुकूल है।

Muse दूसरे चित्र के चेहरे की अदला-बदली करने में पूरी तरह से विफल रहा, इसलिए यह एक स्पष्ट विफलता है।

अंतिम गिनती

कौन सा इमेज मॉडल जीतता है?

चीजों को सरल रखने के लिए, हम प्रत्येक प्रथम स्थान प्राप्त करने पर तीन अंक (बराबरी होने पर विभाजित) और दूसरे स्थान के लिए एक अंक देते हैं।

टेक्स्ट-टू-इमेज विजेता

ChatGPT Images 2.5

ChatGPT Images 2.5 9.5 अंकों के साथ जनरेशन सेक्शन जीतता है, जो 9 अंकों वाले Gemini Nano Banana 2 और 7.5 अंकों वाले Muse Image 1.0 से आगे है।

छवि-संपादन के विजेता

Muse Image 1.0 और Gemini Nano Banana 2

Muse Image 1.0 और Gemini Nano Banana 2 प्रत्येक 9.5 अंकों के साथ संपादन जीत के लिए बराबरी पर हैं, जो 9 अंकों के साथ ChatGPT Images 2.5 से थोड़ा आगे हैं।

समग्र विजेता

ChatGPT Images 2.5 और Gemini Nano Banana 2

ChatGPT Images 2.5 और Gemini Nano Banana 2 प्रत्येक 18.5 अंकों के साथ समग्र जीत के लिए टाई पर हैं। Muse Image 1.0 17 अंकों के साथ ठीक पीछे रहता है।

इसे स्वयं आज़माएं

AI के साथ छवियां बनाएं और संपादित करें

हमने इन इमेज मॉडलों का उपयोग करना और भी आसान बनाने के लिए प्रॉम्प्ट का एक चयन तैयार किया है - देखें कैसे

छवि निर्माण का अन्वेषण करें